ИИ-агенты Google сами ставили опыты в лаборатории и учились на результатах

ИИ-агенты Google Research проектировали молекулы ДНК, ставили опыты на лабораторном роботе и переписывали свои правила по результатам: за три раунда доля молекул, которые действительно связались с нужным белком, выросла с нуля до 42,1%.

Почему это важно: расчёты на компьютере не показывают, что произойдёт в пробирке, и проверка опытом остаётся узким местом при создании молекул с помощью ИИ. Google встраивает эту проверку внутрь работы агента: он получает данные своего же эксперимента и меняет подход к следующему.

Повод: речь о трёх работах. VERID связывает агента с роботом-дозатором; на аптамерах — коротких цепочках ДНК, которые сворачиваются и прилипают к заданному белку, — Google обкатала замкнутый цикл из трёх раундов, каждый по 7–10 дней; третья работа — создание с нуля белков-связывателей, то есть белков, которые сами цепляются к заданной мишени.

Как это работает: VERID ведёт живую трёхмерную копию лабораторного стола: где что стоит, сколько жидкости в каждой лунке планшета, какие наконечники пипетки свободны. Система построена на открытом фреймворке PyLabRobot¹.

Что это даёт агенту:

• посмотреть раскладку стола и объёмы в лунках до того, как что-то делать;
• прогнать протокол в симуляции за секунды и поймать столкновение или пустую лунку;
• получить отказ на команду, которую робот физически выполнить не может;
• оставить синхронную запись с нескольких камер и журнал всех действий.

Детали: видео и журнал действий показали, что краситель лёг в лунке слоями, потому что робот выпускал жидкость слишком близко ко дну, — агент поменял способ перемешивания. В другом случае симулятор отклонил команду набрать жидкость 8-канальной пипеткой из узкого лотка: она туда физически не входит. Агент перестроил протокол на ходу, а заодно поставил отдельный проверочный опыт и нашёл слабое смещение результатов: часть жидкости оставалась на стенках наконечника и попадала дальше. Простым повторением опытов это было бы не поймать. Ещё в одном прогоне отказал прибор для чтения планшета, но VERID помнил, где что стоит и сколько жидкости в лунках, и агент продолжил с места сбоя, не переливая всё заново.

Интрига: на миоглобине, белке мышц, агенты во втором раунде погнались за силой связывания и набили G-квадруплексами 63% дизайнов — такие узлы ДНК липнут ко многим белкам подряд. Лабораторные данные показали, что специфичность² по мишени упала с 75,0% до 19,1%. Многие молекулы цеплялись не к белку, а к магнитным гранулам — шарикам, на которых белок-мишень держат при отборе; с поправкой на них доля настоящих попаданий снизилась с 10,2% до 3,7%. По этим данным агенты сами переписали правила дизайна: ограничили липкие мотивы, исключили последовательности, прилипающие к гранулам, и перешли на структуры без G-квадруплексов. В третьем раунде доля попаданий в мишень выросла в девять раз, до 33,5%.

В цифрах: что дали три раунда на α-тромбине, ферменте свёртывания крови:

• первый раунд дал 0% связывателей: фиксированные концы, нужные для чтения ДНК, ломали укладку у 48% последовательностей;
• во втором агенты добавили по краям парные участки, которые слипаются друг с другом и держат укладку, — и доля попаданий дошла до 26,0%;
• в третьем они разнообразили дизайны и получили 42,1% попаданий при специфичности 98,5%.

Расклад: с белками цикл идёт тяжелее, чем с ДНК: белок нужно вырастить в клетках, а вариантов перебирать больше. Мишенью Google взяла белок активации фибробластов³ — крупный и неудобный для работы, которого много в плотных (солидных) опухолях. Чтобы не пересчитывать укладку всей пары молекул, агенты оставляли для расчёта только участок мишени, куда садится связыватель, и один цикл ускорился в 8,6 раза; при равных вычислительных мощностях учёный вместе с агентом почти удвоил долю удачных дизайнов по сравнению с учёным в одиночку. За несколько прогонов лучшие варианты дали белки-связыватели с наномолярной силой связывания — единицы наномолей на литр. Такое крепкое, как у лекарства, сцепление с мишенью обычно получают только после долгой доводки в лаборатории.

Но: агенты работали в заведомо безопасной песочнице. Google выбрала неинфекционные биологические системы без риска усиления опасных свойств, каждую придуманную последовательность проверяют на биобезопасность, а протоколы и запуски робота подтверждают люди. Нерешённым компания называет и главное: как добиться, чтобы агент оптимизировал настоящее связывание с мишенью, а не обходные пути в самом опыте.

Так уже было: 14 октября на arXiv вышел бенчмарк, где агент сам выбирает научные опыты: лучшей оказалась Claude Opus 5.5 — она решила поставленную научную задачу в двух третях попыток. А в сентябре рой агентов DeepMind нашёл дыру в автоматической проверке и «решил» через неё 34 математические задачи из 71.

Что дальше: Google хочет соединить VERID с замкнутым циклом для белков, чтобы агенты искали связыватели прямо на лабораторном столе.